疾病诊断相关分组与人工智能背景下急诊患者的营养诊断

马 伟，蔡 斌，王 璐，罗 坤，江 华

1.成都中医药大学医学与生命科学学院（成都 611137）；2.急诊医学与灾难医学研究所·四川省医学科学院·电子科技大学附属医院·四川省人民医院（成都 610072）；3.四川省急危重症临床研究中心（成都 610072）；4.四川省急救中心急诊外科（成都 610072）

急诊患者由于基础疾病消耗、严重损伤性打击、应激导致的高代谢状态或进食受阻等原因，往往在入院时即伴有营养不良，且面临巨大的营养不良加重的风险[1]。此外，随着人口老龄化的进展，老年患者在急诊科危重症患者的占比已经增高到60%以上[2-5]。老年患者基础疾病较多，营养不良患病率更高。总的来看，现有的一些观察性研究提示，急诊观察室患者营养不良发生率为46%[6]。国内外有多项研究显示，营养不良与较高的发病率、死亡率和感染风险，以及较长的住院时间和较高的费用有关[7-11]。但急诊医护人员对于患者营养状况未足够重视，一项中国研究显示[12]，仅5.6%的医护人员对急诊患者进行营养评估。

2016 年全球领导人营养不良倡议（Global Leadership Initiative on Malnutrition，GLIM）为营养不良的诊断制定了统一的标准[13]。近年来，国家高度重视临床患者的营养不良问题，2017 年国务院办公厅发布的《“健康中国2030”规划纲要》中明确指出“要提高住院病人营养筛查率和营养不良住院病人的营养治疗比例”[14]。与此同时，疾病诊断相关分组（diagnosis related groups，DRGs）在临床的全面应用与推广，使营养不良的诊断与治疗具有更重要的意义。因此，本文结合DRGs，介绍GLIM标准对急诊患者的营养风险评估、营养不良诊断和营养支持治疗，为急诊领域医务人员掌握相关工具，提高营养筛查率和营养不良患者的治疗比例。

1 DRGs时代背景下的营养不良

DRGs 是一种将住院病人分类和分组的方法。基本分组步骤：①基于住院病人的病历基本情况，依照解剖和生理系统为分类特征，将病例按照主要诊断进行划分（major disease classification，MDC）；②然后根据主要诊断和住院期间进行的主要操作将MDC 细分为相似诊断相关分组（adjacent diagnosis related groups，ADRGs）；③最后综合考虑个体特征、并发症或合并症，将ADRGs细分为一个DRG[15]。实施DRGs的目的是激励医院合理利用医疗资源，减少医疗过程中不合理消费，控制患者就医费用。DRGs已经在多个国家有着多年成功实施的经验[16-18]。有研究表明，患者的营养状况与住院费用密切相关[19]。在亚洲国家，每年因营养不良造成的经济负担约301亿美元[20]。2016年10月国家标准化管理委员会批准发布的《GB/T 14396-2016疾病分类与代码》中，营养风险和营养不良以疾病名称在中国标准的疾病分类（international classification of disease，ICD）的代码分别为R63.801 和E46.x00x003[21]。DRGs 打包支付将根据大数据从病案首页收集的疾病编码作为分组的重要依据，不同分组的患者获益不同。XU等[22]人对前瞻性、多中心临床研究的数据进行二次分析发现，采用NRS-2002（nutrition risk screening 2002，NRS-2002）诊断为营养风险和采用GLIM标准诊断为营养不良的住院患者临床结局不同。被GLIM 确诊为营养不良的患者相较于NRS-2002 诊断为有风险的患者，在接受营养支持治疗后能有更高的临床获益，其感染相关并发症更低（13.0%vs 23.0%）。所以，对急诊入院的患者及时进行筛查，早期发现存在营养风险或营养不良的患者并做出营养诊断，进而实施有效的营养干预，对于改善患者的预后，降低相关医疗费用，具有十分重要的意义。

2 营养风险筛查

2006 年欧洲肠内肠外营养学会（The European Society for Parenteral and Enteral Nutrition，ESPEN）对营养风险的定义是指“现存的或潜在的营养和代谢状况所导致的疾病或手术后出现相关的临床结局的机会”[23]。营养风险筛查是评估急诊患者营养状况的重要方法。目前常用的营养筛查工具包括NRS-2002、简易营养评估量表（mini nutrition assessment-short form，MNA-SF）和改良危重症患者营养风险评分（the modified Nutrition Risk in the Critically ill，mNUTRIC）等。MNA-SF包括6个方面：过去3个月食欲变化情况、体重变化情况、是否遭受精神创伤或急性疾病、精神心理问题、身体质量指数（body mass index，BMI）和活动能力[24]。该工具适用于老年患者的营养评估，但评价内容多，耗时较长，且包含非定量指标，容易出现误判，不利于在急诊环境中使用。mNUTRIC 评分包含年龄、急性生理与慢性健康评分(acute physiology and chronic health evaluation，APACHEⅡ)，SOFA(sequential organ failure assessment)评分、并发症数量和入ICU前住院时间5个项目。该工具适用于入急诊重症监护病房的患者[25]。NRS-2002是2002年由KONDRUP 等[26]率先开发成功，并获得ESPEN推荐。该工具包括营养状态受损、疾病严重程度和年龄3 个方面(见表1)，评分标准总分为三项的总和，最高7 分，评分≥3 分，即认为有营养风险[27]。NRS-2002 具有简单、方便和可操作性强等优点，被ESPEN 及多个指南推荐用于危重症患者营养风险筛查[11，28]。2004 年以来，在蒋朱明等[29-31]推动下，我国已经有多个多中心临床研究验证了NRS-2002 在国人中的适用性，并已由国家卫健委发布了相关应用标准，也被国家医保局纳入医保相关报销依据。

随着新冠肺炎防控常态化，急诊科作为医院24 h接诊科室，会接触到各种不典型新冠肺炎患者、疑似患者以及患者家属，他们都有可能成为确诊或疑似营养不良患者。ALIKIAII等[32]的研究表明，NRS-2002评分与新冠肺炎住院患者病死率有很强的相关性。SILVA等[33]的研究表明NRS-2002在评估老年新冠感染患者入院时的营养风险和预测住院时间方面有显著作用。江华等[34]编写的《新型冠状病毒感染住院患者肠外肠内营养支持策略循证建议（2023）》中推荐使用NRS-2002 作为新冠感染患者的营养风险筛查工具（证据等级A，强推荐），并且对于评分小于3分的患者需要监测体重和进食量的变化。

表1 NRS-2002评分Table 1 nutrition risk screening 2002

3 GLIM标准的发展与应用

近年来，营养不良的评定标准一直在不断修正、补充和调整。2015 年ESPEN 发表的专家共识将营养不良定义为：能量及宏量营养素不足，即蛋白-能量营养不良[35]。为后继GLIM 标准的提出奠定了理论基础。GLIM标准包括两个主要步骤：①采用可靠的营养风险筛查工具对患者的营养状况进行筛查，常用的营养风险筛查工具如NRS-2002、MNA-SF和NUTRIC评分等；②筛查出存在营养风险的患者满足1 个表现型指标（非自主体重丢失、低BMI和肌肉量减少）和1个病因型指标（摄食减少或消化吸收障碍和炎症或疾病负担）时，即可诊断营养不良（见表2）[36]。GLIM 标准与目前的营养筛查工具不同，将肌肉丢失作为营养不良的表现型指标，且已有研究证实其与人体组成分析指标间具有较好的相关性[37]。国内外已有多项基于GLIM 标准对患者的营养状况进行诊断的研究[38-40]。

表2 GLIM标准Table 2 the Global Leadership Initiative on Malnutrition criteria

但是，GLIM标准中的低BMI和肌肉量减少的截点值目前仍存在争议，且至今对急诊患者营养不良诊断的研究较少。故本团队率先在国内开展了基于GLIM标准对急诊入院的急腹症患者营养状况进行了横断面研究（临床试验注册号：ChiCTR2200067044）。目的是探究急诊患者营养不良患病率以及GLIM 标准对于急诊患者的适用性与准确性。

3.1 低BMI

世界卫生组织提倡BMI ＜18.5 kg/m2作为体重过轻的一般截点值[41]。近20 年，随着经济水平的上升，人们的平均BMI 也不断增加，18.5 kg/m2难以作为营养不良诊断的截点值。GLIM协作组对于年龄小于70岁，BMI ＜20 kg/m2，大于70 岁，BMI ＜22 kg/m2作为截点值达成一致意见，但是对于符合亚洲人口特点的BMI截点值仍不确定。WANG 等[42]基于大样本、多中心的横断面研究数据建立预测模型，探究符合中国人口特点的新的BMI 截点值，结果显示应采纳BMI ＜20 kg/m2作为中国营养不良诊断的截点值，这与GLIM标准中营养不良的BMI截点值一致。

3.2 肌肉量减少

随着年龄的增长，人体的肌肉量呈逐渐减少的趋势[43]。肌少症是指老年人随年龄增长出现进行性肌肉量减少，并伴随肌肉力量和功能减退[44]。随着老龄化社会的到来，国内已有多项研究显示老年患者在急诊患者中占比呈现上升趋势，可以合理的推论，其中肌少症的患者当不在少数[45]。因此，采用肌肉量减少指标对于急诊患者具有良好适用性。测量肌肉量减少的方法如采用双能X 线测得去脂体重指数（fat free mass index，FFMI）或其他经过验证的身体成分测量方法，如生物电阻抗、超声、计算机断层扫描（computer tomography，CT）或磁共振成像（magnetic resonance imaging，MRI）。ESPEN采用女性FFMI<15 kg/m2，男性FFMI ＜17 kg/m2作为肌肉量减少的标准[34]。但在急诊情形下，上述测量指标由于时效性差、仪器不易得等原因，很难常规应用。因此，有研究者认为，小腿围（calf circumference，CC）和握力（handgrip strength，HGS）可以作为替代方案，且对于急诊患者简单，易操作[36]。

SOBESTIANSKY等[46]对老年住院患者进行的一项肌少症和营养不良患病率的横断面研究显示，采用双能X 线测得的FFMI 标准诊断营养不良的患病率为64%，采用CC 诊断营养不良的患病率为60%，CC 相对于FFMI 的特异性为100%，敏感性91%。GLIM 协作组建议采用肌少症的诊断标准来评估肌肉量减少。亚洲肌少症工作组于2019 年发表的肌少症诊断和治疗共识[47]中采用女性CC ＜33 cm，男性CC ＜34 cm作为肌少症的筛查标准。但是，该截点值是否适用于中国急诊患者营养不良诊断，相关研究目前仍然缺乏。

4 营养支持治疗

对于存在营养风险或营养不良的急诊患者，营养支持治疗是必要的。营养支持治疗包括经口营养补充（oral nutrition supplement，ONS）、肠内营养（enteral nutrition，EN）和肠外营养(parenteral nutrition，PN)。口服营养常常因为患者消化道功能障碍或意识状态不佳而受到限制。肠内营养指的是通过口服或胃管饲的方式提供营养，适用于胃肠功能较好的患者。肠内营养可以维持肠道功能，促进肠黏膜屏障的完整性，有利于预防肠道源性感染等并发症[48]。肠外营养指的是通过静脉营养的方式提供营养，适用于肠道功能受损或不能耐受肠内营养的患者。肠外营养则可以迅速提供营养物质，尤其是能量和蛋白质，以满足患者的高能量需求。在急诊营养支持治疗中，应优先考虑口服营养补充。对于吞咽困难且存在高误吸风险的急诊患者，可以采用幽门后置管喂养，鼻胃管是初始EN 的标准途径。如果肠内营养不足或不能耐受，可考虑使用肠外营养支持治疗[49-51]。

5 营养诊断的临床经济学效益

DRGs 打包支付的医保政策会促进医生对于疾病的精细化管理，避免过度医疗，降低医疗成本。规范的营养状况评估和积极的营养支持不仅能改善临床结局而且能节约医疗成本。国内外已有多项研究表明[52-54]早期对存在营养风险或营养不良的患者进行明确的诊断并给予营养治疗，可以缩短住院时间和降低住院费用。BUITRAGO 等[55]采用成本模型对二次数据进一步研究，探讨对有营养不良风险的患者实施营养治疗方案所能节省的费用。结果发现营养不良或营养风险的患者接受早期营养治疗（入院24～48 h 内）相较于延迟营养治疗可减少1 351美元的医疗费用，降低35.8%。对于638 318名营养不良的住院患者，国家每年可减少8.62亿美元营养治疗费用。胡心英等[56]的一项随机对照研究发现基于GLIM 标准进行营养评估有利于缩短患者住院时间和治疗费用。因此，急诊科医护人员应当加强对病人的营养状态评估，早期进行营养风险筛查和营养不良诊断，及早给予营养支持治疗。

6 急诊患者营养诊断的未来

近年来，随着机器学习和5G 通讯技术的进步，急诊患者的营养评估将面临新的机会。机器学习算法可以快速分析大量的患者数据，包括病史、实验室指标和影像结果，以识别存在营养风险或营养不良的患者，并提供早期干预。YIN等[57]的一项多中心观察性研究发现，利用机器学习建立的基于GLIM 标准的决策工具，可以快速的识别营养不良的癌症患者且准确性较高，曲线下面积（area under curve，AUC）为0.964(Kappa=0.898，P<0.001)。此外，WANG 等[58]采用机器学习的方法建立的营养不良预测模型在老年患者中同样具有良好的适用性。因此，将机器学习的方法应用于急诊患者的营养评估，不仅可以快速的识别出存在营养风险或营养不良的患者，而且可以预测患者的转归。

因为急诊患者疾病的特殊性，大量患者是由救护车转运入院。而随着5G网络的发展，2019年4月国内已经研发出5G 救护车。5G 救护车搭配了多种医疗设备以及基于5G网络的高清远程视频互动系统，充分发挥了5G网络大宽带、低延时、广连接的优势，实现与指挥中心和专家实时互动，将急诊患者的救治从院内转到院前[59-60]。未来，可以在急诊院前系统中整合GLIM标准相关工具，并应采用机器学习的方法，使得急诊患者的营养状况评估可以在5G救护车转运中快速完成。机器学习和5G 网络技术的融合为急诊患者提供高效和准确的营养评估，及时的为存在营养风险或营养不良的患者提供营养支持治疗，改善患者的临床结局从而降低医疗成本。

7 小结与展望

急诊科患者病情复杂，对于急诊患者不仅要针对原发病治疗，同时也需要恰当的营养支持来维持营养状态，从而降低并发症的风险、提高生存率和生活质量。在DRGs背景下，急诊患者的营养风险筛查和营养不良诊断是营养支持治疗的前提，对于患者具有重要的临床和经济学意义。结合机器学习和5G 网络的急诊服务系统可以快速、准确的为急诊患者进行营养评估。营养支持治疗应当根据患者的具体情况和需要制定个性化的方案，早期、及时地进行干预，以改善患者的临床结局及降低医疗成本。